Mistral libera os pesos do Mistral Large 4, um modelo aberto de 1 trilhão de parâmetros

O que foi liberado

A Mistral publicou o modelo no Hugging Face como mistralai/Mistral-Large-4-1T-A52B. A página o chama de modelo de "1 trilhão de parâmetros". Parâmetrosos números que um modelo aprende durante o treinamento; mais parâmetros costumam significar mais capacidade, e mais memória para rodar medem o tamanho do modelo. O "A52B" no nome do repositório indica cerca de 52 bilhões de parâmetros ativos para cada trecho de texto, que é como funciona um modelo de mistura de especialistasarquitetura em que o modelo tem várias sub-redes especializadas e usa só algumas delas a cada passo, por isso roda mais rápido do que o tamanho total sugere. O texto do anúncio não informa o número de parâmetros ativos, então trate os 52B como o rótulo do repositório.

São pesos abertosos arquivos do modelo treinado são publicados para que qualquer pessoa possa baixar e rodar, mesmo que os dados e o código de treinamento continuem privados. Dá para rodar o modelo com vLLM ou SGLang, ou usá-lo pelo Mistral Studio, pela API da Mistral, pelo OpenRouter, por endpoints da NVIDIA e pelo Microsoft Foundry. Na API, o preço é de US$ 0,70 por milhão de tokens de entrada e US$ 2,10 por milhão de tokens de saída.

A licença, em resumo

A Mistral chama a licença de "Mistral Ecosystem Open-Weight license", uma MIT modificada. A maioria dos usos é permitida. A principal exceção: uma empresa que ofereça o modelo como serviço hospedado para terceiros precisa de uma licença comercial separada. Leia o texto completo na página do Hugging Face antes de montar um produto em cima dele.

Benchmarks divulgados pela Mistral

A Mistral informa 48% no Coding Agent Index da Artificial Analysis, o que descreve como praticamente empatado com o GLM-5.3, usando 47% menos tokens por tarefa. Também informa 41% no Terminal-Bench 4.0 e 84,5% no BrowseComp, e diz liderar entre os modelos de pesos abertos no teste privado FrontierCode 2.0, da Cognition, com 19,7%.

Esses números vêm do anúncio da Mistral. O FrontierCode 2.0 é privado, então ninguém de fora consegue reproduzi-lo, e o resultado da prévia no Terminal-Bench foi divulgado pela própria empresa. Resultados independentes costumam aparecer nas semanas seguintes a um lançamento.

A questão da segurança

A Mistral apresenta o modelo para quem trabalha com defesa. Ela informa 51% no Cyber Index da Artificial Analysis, que mede encontrar, reproduzir e corrigir vulnerabilidades, uma taxa média de recusa de 96,6% para pedidos cibernéticos maliciosos e 97,1% de resistência no benchmark de segurança de agentes B3. Uma variante especializada em cibersegurança está em prévia para parceiros selecionados, limitada a sistemas que eles possuem ou têm autorização para testar.

O mesmo texto diz que, no monitoramento, o modelo recusou ataques de caixa-preta contra alvos reais, mas que a Mistral vê "potencial de ganho para conduzir ataques reais" e está mudando as proteções. Com os pesos públicos, quem fizer ajuste fino do modelo também pode treiná-lo para deixar essas proteções de lado.

Para ter uma ideia do que os defensores enfrentam toda semana, a nossa análise no CVE Watch da falha explorada no WordPress mostra uma janela de ataque real, e a atualização do Firefox 159 mostra quantos bugs de memória uma única versão de navegador pode fechar.